計量經(jīng)濟學(xué)第3章計算機習(xí)題

1、班級：金融學(xué)106班 姓名：丁濤學(xué)號：0100726C3.5log(wage)=0.284+0.092educ+0.0041exper+0.022tenure解：通過對例3.2進行“排除其他影響”練習(xí)，證實對OLS估計值做“排除其他影響”解釋。（1）先將educ對exper和tenure進行回歸，并保留殘差r1;由上操作可知：educ=13.5750-0.0738exper+0.0477tenure+r1所以n=526 , R2=0.1013。（2）然后將logwage對 r1 進行回歸；logwage=1.6233+0.0920r1，n=526，R2=0.2065；（3）將r1 的回歸系數(shù)與

2、在 logwage對educ、exper和tenure的回歸中educ 的系數(shù)相比較。 r1 的回歸系數(shù)與在 logwage對educ、exper和tenure的回歸中educ 的系數(shù)相等。但是2中 R2 小于多元回歸中 R2（0.3160），因為logwage對 r1 進行回歸來解釋logwage 時，只使用了一部分與exper和tenure不相關(guān)的educ 數(shù)據(jù)，而exper和tenure 的解釋效果并不包括在內(nèi)。C3.6WAGE2.RAW （）將 IQ 對 educ 進行簡單回歸，并得到斜率系數(shù) 1 ；由上操作可知：IQ=53.6872+3.5338educ，R2=0.2659，且斜率系

3、數(shù)1=3.5338。（）將 logwage 對 educ 進行簡單回歸，并得到斜率系數(shù) 1 ；由上操作可知：logwage=5.9731+0.0598educ，R2=0.0974，且斜率系數(shù)1=0.0598。（）將logwage對 educ 和 IQ 進行多元回歸，并分別得到斜率系數(shù) 1和 2 ；由上操作可知：logwage=5.6583+ 0.0391educ+0.0059 IQ，R2=0.1297，且斜率系數(shù) 1=0.0391，2=0.0059 。（）驗證1=1+2 1 。由上述可知：1=0.0598，1+2 1 =0.0391+0.0059*3.5338=0.0599，所以兩者的數(shù)值十分

4、接近，即1=1+2 1 得證。C3.7MEAP93.RAW math10=0+1logexpend+2lnchprg+u（）估計模型 math10=0+1logexpend+2lnchprg+u，并按照通常的方式報告估計方程，包括樣本容量和 R2 。斜率系數(shù)的符號與你的預(yù)期一致嗎？請加以解釋。由操作可知： math10=-20.3608+6.2297logexpend-0.3046lnchprg+u，n=408，R2=0.1799 。斜率系數(shù)的符號與預(yù)期一致，學(xué)生的花費支出越多，標準化數(shù)學(xué)考試中通過率越高，相反，如果學(xué)生貧窮程度越高，從而不能保證規(guī)律的飲食，需要學(xué)校午餐計劃資助的學(xué)生所占比率越

5、大，標準化數(shù)學(xué)考試中通過率越低。（）如何理解（）中部分估計出來的截距？特別是，令兩個解釋變量都等于零說得過去嗎？提示：記住log1=0。（）中部分估計的截距表示當所有解釋變量等于零時，標準化數(shù)學(xué)考試通過率為-20.3608。設(shè)置 logexpend=0 是沒有意義的，此時 expend=1，和日常學(xué)生消費的合理范圍不符；而設(shè)置 lnchprg=0 是可行的，因為有些學(xué)校學(xué)生的貧困率比較低，基本沒有學(xué)生需要學(xué)校午餐計劃的資助。當令兩個解釋變量都等于零時，標準化數(shù)學(xué)考試通過率 math10=-20.3608<0 ，顯然違背常理，因為通過率必定是以一個在0,1之間的數(shù)。（）現(xiàn)在做 math10

6、 對 logexpend 的簡單回歸，并將斜率系數(shù)與第（）部分中得到的估計值進行比較。與第（）部分中的結(jié)果相比，這里估計出來的支出效應(yīng)是更大還是更??？由上面操作可知：math10=-69.3412+11.1644logexpend，n=408，R2=0.0297 。斜率系數(shù)比第（）部分中得到的估計值大很多，此時估計出來的支出效應(yīng)更大。（）求出lexpend=logexpend與 lnchprg 之間的相關(guān)系數(shù)。你認為其符號合理嗎？相關(guān)系數(shù)=cov( lexpend , lnchprg)var(lexpend)*var(lnchprg) , 由上面操作可得=- 0.1927，其符號十分合理，表明

7、學(xué)校學(xué)生的貧困率越低，平均每個學(xué)生的花費支出就越少。（）利用第（）部分的結(jié)果來解釋你在第（）部分中得到的結(jié)論。因為1=1+2 1 ，由第（）部分可得： covlexpend , lnchprg<0，所以 1 =cov( lexpend , lnchprg)var(lexpend)<0，又因2<0，所以 1>1，即 math10 對 logexpend 進行簡單回歸時估計出來的支出效應(yīng)更大。C3.8 DISCRIM.RAW psoda=0+1prpblck+2income+u logpsoda=0+1prpblck+2logincome+u （）求出樣本中 prpblck

8、 和 income 的平均值及其標準差。prpblck 和 income 的度量單位是什么？所以，由左邊操作可得：prpblck平均值是0.1132，標準差是0.1832；而 income 平均值是46939，標準差是13367。兩者的度量單位分別為百分比和美元。（）考慮一個模型，用人口中黑人比率和收入中位數(shù)來解釋蘇打飲料的價格 psoda: psoda=0+1prpblck+2income+u用OLS 估計這個模型并以方程的形式報告結(jié)果，包括樣本容量和 R2 。（報告估計只是不要使用科學(xué)技術(shù)法。）解釋prpblck 的系數(shù)。你認為它在經(jīng)濟上算大嗎？由操作可得：psoda=0.9403534+

9、0.1536224prpblck+0.0000014income+u，n=410，R2=0.0243 。 prpblck 的系數(shù)度量了人口中黑人比率在其他條件不變情況下對蘇打飲料價格的變化的影響，比率增加1%，蘇打飲料價格將提高0.15% 。這個系數(shù)在經(jīng)濟上并不算大。（）將第（）部分得到的估計值與 psoda 對 prpblck 進行簡單回歸得到的估計值進行比較。控制收入變量后，這種歧視效應(yīng)是更大還是更小了？因為1=1+2 1 , 1>0，2>0， 1 <0，所以，進行簡單回歸后得到的估計值 1 比第（）部分得到的估計值 1 更小，即控制收入變量后，這種歧視效應(yīng)是更小了。（）

10、收入價格彈性為常數(shù)的模型可能更加適合。報告如下模型的估計值：log(psoda)=0+1prpblck+2log(income)+u若 prpblck 提高0.20（即20個百分點），估計 psoda 的變化百分比是多少？提示：答案是2.xx，你在“xx”位置上填寫數(shù)字即可。由操作可得：logpsoda=-0.7938+ 0.1216prpblck+0.0765log(income)+u， n=410，R2=0.0681 。若 prpblck 提高0.20（即20個百分點），psoda 的變化百分比=0.1216*0.2*100=2.432，所以2.xx =2.432。（）現(xiàn)在在第（）部分的回

11、歸中添加變量 prppov ,prpblck 有何變化？ 如右圖所示，可知：prpblck =0.0728，相比第（）部分中的0.1216，prpblck 的系數(shù)變小，因為logpsoda變異的一部分由新增的變量prppov 解釋了，所以prpblck 變小。（）求出 logincome 和 prppov 的相關(guān)系數(shù)。大致符合你的預(yù)期嗎？相關(guān)系數(shù)=cov(log(income) , prppov)varlogincome*var(prppov) , 由上面操作可得=- 0.3500，大致符合預(yù)期，表明各個郵區(qū)中貧窮率越高越低，logincomeincome為家庭收入中位數(shù) 的值越小。（）評價如

12、下說法：“由于 logincome 和 prppov 如此高度相關(guān)，所以他們不該進入同一個回歸?！边@種說法是錯誤的。因為模型主要研究的是各個郵區(qū)人口中黑人比例對蘇打飲料價格的影響，盡管 logincome 和 prppov 高度相關(guān)，存在多重共線性的問題，但是我們所關(guān)心的是 prpblck 的系數(shù)，實在沒有必要關(guān)心 logincome 和 prppov之間的相關(guān)程度，所以不能說兩者不該進入同一個回歸。C3.9 CHARITY.RAW gift=0+1mailsyear+2giftlast+3propresp+u （）用普通最小二乘法估計如下模型：gift=0+1mailsyear+2giftl

13、ast+3propresp+u按照通常的方式報告估計方程，包括樣本容量和R2 。其 R2 與不使用 giftlast 和 propresp 的簡單回歸所得的 R2 相比如何？ gift 對mailsyear 、2giftlast 和3propresp 進行回歸；有上面操作可得：gift=-4.5515+2.1663mailsyear+0.0059giftlast+15.3586propresp+u，n=4268，R2=0.0834 。 當 gift 對 mailsyear 進行簡單回歸；此時 R2=0.0138<0.0834，表明變量giftlast和propres相比mailsyear

14、 更能解釋 gift 的變異。（）解釋mailsyear 的系數(shù)，它比對應(yīng)的簡單回歸系數(shù)更大還是更小？mailsyear 的系數(shù)表示當giftlast和propres固定時，每多一個郵件，每年估計將增加2.17荷蘭盾的禮物。 如右圖所示，對應(yīng)的簡單回歸系數(shù)為2.6495，所以（）中 mailsyear 的系數(shù)小于對應(yīng)的簡單回歸系數(shù)。（）解釋 propresp 的系數(shù)，千萬要注意 propresp 的度量單位。propresp 的系數(shù)表示當giftlast和mailsyear固定時，propresp 每增加10%，估計增加1.53586荷蘭盾的禮物。（）現(xiàn)在，在這個方程中增加變量 avggift 。這將對 mailsyear 的估計效應(yīng)造成什么樣的影響？有上面操作可得：gift=-7.3278+1.2012mailsyear-0.2609giftlast+16.2046propresp+0.5269avggift+